یہ حکمت عملی ایک رجحان کی پیروی کرنے والی حکمت عملی ہے جو رجحان کی سمت اور انٹری پوائنٹس کی نشاندہی کرنے کے لئے نادرایا واٹسن رجعت اور اے ٹی آر چینل کو جوڑتی ہے۔ جب قیمت نیچے کی ریل سے ٹوٹ جاتی ہے تو یہ لمبی ہوجاتی ہے اور جب قیمت اوپری ریل سے ٹوٹ جاتی ہے تو پوزیشن بند ہوجاتی ہے۔ اسٹاپ نقصان کا طریقہ کار بھی طے ہوتا ہے۔
سب سے پہلے ، یہ حکمت عملی مختلف تاخیر کے ساتھ دو رجعت کے منحنی خطوط کا حساب لگانے کے لئے ناداریہ - واٹسن کیرنل رجعت کا استعمال کرتی ہے ، اور رجحان کی سمت کا تعین کرنے کے لئے دونوں منحنی خطوط کے کراس اوور کا موازنہ کرتی ہے۔ خاص طور پر ، یہ بالترتیب h-period اور h-lag-period کے رجعت کے منحنی خطوط کا حساب لگاتا ہے۔ جب h-lag-period منحنی خطوط h-period منحنی خطوط سے عبور کرتے ہیں تو ، یہ ایک طویل سگنل کی نشاندہی کرتا ہے۔ جب h-lag-period منحنی خطوط h-period منحنی خطوط سے نیچے عبور کرتے ہیں تو ، یہ ایک مختصر سگنل کی نشاندہی کرتا ہے۔
دوسرا ، یہ حکمت عملی اندراج کے مقامات کا تعین کرنے کے لئے اے ٹی آر چینل کا استعمال کرتی ہے۔ اوپری ریل رجسٹریشن وکر پلس این پیریڈ اے ٹی آر ضرب ہے اور نچلی ریل رجسٹریشن وکر مائنس این پیریڈ اے ٹی آر ضرب ہے۔ جب قیمت نچلی ریل سے ٹوٹ جاتی ہے تو یہ لمبی ہوتی ہے اور جب قیمت اوپری ریل سے ٹوٹ جاتی ہے تو مختصر ہوجاتی ہے۔
آخر میں ، اسٹاپ نقصان کا طریقہ کار مرتب کیا جاتا ہے۔ اگر قیمت اسٹاپ نقصان کے لئے درج ذیل باروں کے لئے انٹری قیمت سے کم رہتی ہے تو ، پوزیشن اسٹاپ نقصان کے ذریعہ بند ہوجائے گی۔
یہ حکمت عملی رجعت تجزیہ اور چینل کی پیشرفت کو جوڑتی ہے ، جو رجحان کی سمت اور رفتار کو نسبتا accurately درست طریقے سے حاصل کرسکتی ہے۔ رجحانات کی نشاندہی کرنے کے لئے حرکت پذیر اوسط جیسے واحد اشارے کے استعمال کے مقابلے میں ، یہ طریقہ غلط سگنلز کو کم کرتا ہے اور اس طرح حکمت عملی کے استحکام کو بہتر بناتا ہے۔
اس کے علاوہ ، اے ٹی آر چینل معقول انٹری پوائنٹس طے کرتا ہے ، رجحان کے الٹ پوائنٹس کے ارد گرد غلط اندراجات سے گریز کرتا ہے۔ اسٹاپ نقصان کا طریقہ کار واحد نقصان کو بھی مؤثر طریقے سے کنٹرول کرتا ہے۔
لہذا اس حکمت عملی کے فوائد ہیں جیسے رجحانات کی نشاندہی کرنے کی مضبوط صلاحیت، نسبتا درست اندراجات اور باہر نکلنے، کنٹرول واحد سٹاپ نقصان کا خطرہ، وغیرہ.
اس حکمت عملی کا سب سے بڑا خطرہ یہ ہے کہ جب قیمت اے ٹی آر چینل سے گزرتی ہے تو ، یہ صرف الٹ یا استحکام کا باعث بن سکتی ہے ، جس کی وجہ سے غیر مناسب اندراج یا اندراج کے بعد فوری اسٹاپ نقصان ہوتا ہے۔
اس کے علاوہ ، رجعت منحنی خطوط اور اے ٹی آر چینلز دونوں کو کچھ پیرامیٹر کی اصلاح کی ضرورت ہے۔ پیرامیٹر کی غلط ترتیبات سے رجعت تجزیہ کے خراب نتائج یا بہت وسیع یا بہت تنگ اے ٹی آر رینجز پیدا ہوسکتے ہیں ، جو حکمت عملی کی کارکردگی کو متاثر کریں گے۔
ہم حکمت عملی کے استحکام اور درستگی کو بہتر بنانے کے لئے رجحان اور الٹ سگنل، جیسے حجم، MACD وغیرہ کا فیصلہ کرنے کے لئے دیگر اشارے کو یکجا کرنے پر غور کر سکتے ہیں.
ریگریشن تجزیہ میں کرنل فنکشن کو بھی ایڈجسٹ کیا جاسکتا ہے ، جیسے ایپینیچنیکوف کرنل کو آزمانا ، تاکہ یہ معلوم کیا جاسکے کہ کیا بہتر فٹنگ اثرات حاصل کیے جاسکتے ہیں۔
اے ٹی آر چینل کی اے ٹی آر مدت اور ضرب کو بھی بہترین پیرامیٹر مجموعہ تلاش کرنے کے لئے بار بار جانچ اور اصلاح کی ضرورت ہے۔
یہ حکمت عملی رجعت تجزیہ اور چینل کی پیشرفت کے استعمال کو یکجا کرتی ہے تاکہ رجحان کی سمت اور طاقت کی نشاندہی کی جاسکے ، معقول مقامات پر داخل ہوتا ہے ، اور نقصان کو روکتا ہے ، اس طرح حکمت عملی کے بعد مستحکم رجحان کا احساس ہوتا ہے۔ اس حکمت عملی کی مزید جانچ اور بہتری کے لئے ابھی بھی بہت زیادہ گنجائش ہے۔
/*backtest start: 2024-01-01 00:00:00 end: 2024-01-31 23:59:59 period: 1h basePeriod: 15m exchanges: [{"eid":"Futures_Binance","currency":"BTC_USDT"}] */ //@version=5 strategy("Custom Strategy with Stop Loss and EMA", overlay=true) src = input(close, title='Source') h = input(10, title='Lookback Window', tooltip='The number of bars used for the estimation.') r = input(10, title='Relative Weighting', tooltip='Relative weighting of time frames.') x_0 = input(50, title='Start Regression at Bar', tooltip='Bar index on which to start regression.') lag = input(2, title='Lag', tooltip='Lag for crossover detection.') stopLossBars = input(3, title='Stop Loss Bars', tooltip='Number of bars to check for stop loss condition.') emaPeriod = input(46, title='EMA Period', tooltip='Period for Exponential Moving Averages.') lenjeje = input(32, title='ATR Period', tooltip='Period to calculate upper and lower band') coef = input(2.7, title='Multiplier', tooltip='Multiplier to calculate upper and lower band') // Function for Nadaraya-Watson Kernel Regression kernel_regression1(_src, _size, _h) => _currentWeight = 0.0 _cumulativeWeight = 0.0 for i = 0 to _size + x_0 y = _src[i] w = math.pow(1 + (math.pow(i, 2) / ((math.pow(_h, 2) * 2 * r))), -r) _currentWeight += y * w _cumulativeWeight += w [_currentWeight, _cumulativeWeight] // Calculate Nadaraya-Watson Regression [currentWeight1, cumulativeWeight1] = kernel_regression1(src, h, h) yhat1 = currentWeight1 / cumulativeWeight1 [currentWeight2, cumulativeWeight2] = kernel_regression1(src, h-lag, h-lag) yhat2 = currentWeight2 / cumulativeWeight2 // Calculate Upper and Lower Bands upperjeje = yhat1 + coef * ta.atr(lenjeje) lowerjeje = yhat1 - coef * ta.atr(lenjeje) // Plot Upper and Lower Bands plot(upperjeje, color=color.rgb(0, 247, 8), title="Upper Band", linewidth=2) plot(lowerjeje, color=color.rgb(255, 0, 0), title="Lower Band", linewidth=2) // Calculate EMAs emaLow = ta.ema(low, emaPeriod) emaHigh = ta.ema(high, emaPeriod) // Plot EMAs plot(emaLow, color=color.rgb(33, 149, 243, 47), title="EMA (Low)", linewidth=2) plot(emaHigh, color=color.rgb(255, 153, 0, 45), title="EMA (High)", linewidth=2) // Long Entry Condition longCondition = low < lowerjeje strategy.entry("Long", strategy.long, when=longCondition) // Stop Loss Condition stopLossCondition = close[1] < strategy.position_avg_price and close[2] < strategy.position_avg_price and close[3] < strategy.position_avg_price strategy.close("Long", when=stopLossCondition) // Close and Reverse (Short) Condition shortCondition = high > upperjeje strategy.close("Long", when=shortCondition) strategy.entry("Short", strategy.short, when=shortCondition)